本文将详细解释如何安装Ubuntu14.04 Caffe。边肖觉得很实用，就分享给大家参考。希望你看完这篇文章能有所收获。
Caffe简介
Caffe，快速特征嵌入革命性架构的全称，是一个计算CNN相关算法的框架。目前，它是最流行的深度学习开源框架，因此被大多数人使用。
Caffe网站：http://caffe.berkeleyvision.org/
Github网站：https://github.com/BVLC/caffe/
00-1010系统: Ubuntu 14.04 Desktop x64(建议使用新安装的系统，不要同时更新，否则会影响到后面的一些链接)显卡:支持CUDA的显卡，当然这是没有必要的。
00-1010
安装环境
安装和开发所需的一些基本包
sudapt-getupdatesudoapt-getinstallbuild-essentialsdoapt-getinstallgfortran # # Python需要依靠gfortran注安装scipy:虽然Ubuntu默认环境中已经有gcc，但是C/C没有编译环境，单独安装编译环境比较复杂，所以提供build-essential命令来构建所需的编译环境。
依赖程序
cuda在caffe的编译和使用中不是必需的。如果你真的没有支持cuda的显卡或者只是想试试caffe的话，就不需要用它进行复杂的训练了，不用安装也可以。
链接：http://blog.csdn.net/honyniu/article/details/46387429
00-1010库基于cuda，可选。
链接：http://blog.csdn.net/honyniu/article/details/46388241
基本包
这个库提供了caffe需要的一些基本矩阵和向量库，这是必需的。
链接：http://blog.csdn.net/honyniu/article/details/46388915
CUDA（可选）
OpenCV提供了一个图像处理和计算机视觉的库，这在caffe中是必须的，最好自己编译安装。
链接：http://blog.csdn.net/honyniu/article/details/46390097
CuDNN（可选）
caffe需要一些特定的数据库操作，所以需要安装leveldb、lmdb、hdf5等库。此外，caffe使用了一些谷歌库，比如protobuf和glog，这些也需要安装。命令如下。
sudo apt-getinstallibprotobf-devlibleveldb-devlib finder-devlibboost-all-devlibhdf 5-serial-devlibgflags-devlibgoogle-glog-devliblmdb-devprotobf-compil Er
BLAS（必选）
不是必须的，但是caffe提供了bash、matlab和python的接口。同时caffe的很多可视化界面都是用python实现的，建议安装。
Matlab在这里用的是Matlab-R2014A，这里就不说怎么安装了。自己去百度教程默认安装，安装在“/usr/local/MATLAB”目录下。
Ubuntu默认安装的是2.7版本，但是为了安装Python开发环境，方便以后编译其他扩展库。命令如下
sudapt-GetInstallPython-DevPython是使用的虚拟环境。具体虚拟环境建设见http://blog.csdn.net/honyniu/article/details/46382929。
激活虚拟环境
Source/bin/activate安装并编译pycaffe的依赖包。进入caffe安装目录中的python文件夹，会看到一个requirements.txt首先将protobuf行为修改为protobuf==2.5.0，然后执行以下命令：
forre Qin $(cat requirements . txt)；donbsp
;pip install $req; done
这里我们没安装caffe推荐的anaconda包， 因为安装之后进不去桌面。而且anaconda包只是一个自带了requirements.txt中所有选项的python集合库， 将上面的库安装好之后， 不装anaconda没有任何影响。
配置编译
caffe程序
可以去上面的caffe的github网址把caffe最新代码下载下来，也可以使用git命令获取，如下
git clone https://github.com/BVLC/caffe.git
caffe配置
终于到了最后的一步了，如果安装好了上面的所有的caffe的依赖，那么下面就可以对caffe进行配置和编译了。
首先拷贝生成所需要的’Makefile.config’文件，caffe安装包下面给提供了example，注意直接拷贝下面的可能会报错，因为每一行命令的后面不能有空白的字符串，有可能会导致编译不通过。
cp Makefile.config.example Makefile.config
然后对该’Makefile.config’文件根据自己的需求进行修改，下面是我的配置以及一些注释。
## Refer to http://caffe.berkeleyvision.org/installation.html# Contributions simplifying and improving our build system are welcome!# cuDNN acceleration switch (uncomment to build with cuDNN).USE_CUDNN := 1 #如果没有安装cudnn的注掉# CPU-only switch (uncomment to build without GPU support).# CPU_ONLY := 1 #如果没有安装cuda，不是要GPU的设置开启 # To customize your choice of compiler, uncomment and set the following.# N.B. the default for Linux is g++ and the default for OSX is clang++# CUSTOM_CXX := g++# CUDA directory contains bin/ and lib/ directories that we need.CUDA_DIR := /usr/local/cuda #cuda默认安装目录（其实是软链接），一般不需要修改，但如果没有安装cuda需要注掉# On Ubuntu 14.04, if cuda tools are installed via# "sudo apt-get install nvidia-cuda-toolkit"># CUDA_DIR := /usr# CUDA architecture setting: going with all of them.# For CUDA < 6.0, comment the *_50 lines for compatibility.CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_50,code=compute_50# BLAS choice:# atlas for ATLAS (default)# mkl for MKL# open for OpenBlasBLAS := mkl #这里使用的是Intel MKL，如果使用的ATLAS，请自行修改# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.# Leave commented to accept the defaults for your choice of BLAS# (which should work)!BLAS_INCLUDE := /opt/intel/mkl/include #如果是atlas，这两个路径要注掉BLAS_LIB := /opt/intel/mkl/lib/intel64# This is required only if you will compile the matlab interface.# MATLAB directory should contain the mex binary in /bin.MATLAB_DIR := /usr/local/MATLAB/R2014a #Matlab的路径，没安装Matlab或者不需要编译该接口可以注掉# MATLAB_DIR := /Applications/MATLAB_R2012b.app# NOTE: this is required only if you will compile the python interface.# We need to be able to find Python.h and numpy/arrayobject.h.#设置是python库的路径，使用的是虚拟环境capy这里就是一直提到的ENV，有时候可能不起作用，还是会报错，不知道为什么，那就设置下面的export，一般就没问题了。PYTHON_INCLUDE := /home/huayong/capy/include/python2.7 \ /home/huayong/capy/lib/python2.7/site-packages/numpy/core/include#If it doesn't work above, you can try this below.export CPLUS_INCLUDE_PATH=/home/huayong/capy/include/python2.7:/home/huayong/capy/lib/python2.7/site-packages/numpy/core/include# Anaconda Python distribution is quite popular. Include path:# Verify anaconda location, sometimes it's in root.# ANACONDA_HOME := /home/wenzheng/anaconda# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \# $(ANACONDA_HOME)/include/python2.7 \# $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \# We need to be able to find libpythonX.X.so or .dylib.PYTHON_LIB := /usr/lib/x86_64-linux-gnu# PYTHON_LIB := $(ANACONDA_HOME)/lib# Uncomment to support layers written in Python (will link against Python libs)WITH_PYTHON_LAYER := 1# Whatever else you find you need goes here.# INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include# LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib# Uncomment to use `pkg-config` to specify OpenCV library paths.# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)USE_PKG_CONFIG := 1BUILD_DIR := build DISTRIBUTE_DIR := distribute# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171# DEBUG := 1# The ID of the GPU that 'make runtest' will use to run unit tests.TEST_GPUID := 0# enable pretty build (comment to see full commands)Q ?= @
caffe编译
基本的编译，j代表是多线程编译，一般前两个命令不会出错，最后一个可能会出错，但有时候也不影响使用。
make all -j8 make alltest -j8 make runtest
编译matlab和python接口，这个当然不是必须的，看你自己的需求。
make pycaffe make matcaffe
关于“Ubuntu14.04 Caffe如何安装”这篇文章就分享到这里了，希望
内容来源网络，如有侵权，联系删除，本文地址：https://www.230890.com/zhan/94361.html